967 Arbeiten
Die Strömungsmechanik untersucht, wie sich Flüssigkeiten und Gase bewegen und auf Kräfte reagieren, von den sanften Wellen eines Flusses bis zu den komplexen Turbulenzen in der Atmosphäre. Auf Gist.Science haben wir diesen Bereich unter „Physics — Flu-Dyn" zusammengefasst, um die faszinierenden Mechanismen unserer dynamischen Umwelt verständlich zu machen.
Jeder neue Preprint in diesem Feld wird direkt von arXiv bezogen und von uns sorgfältig verarbeitet. Wir bieten Ihnen zu jedem Eintrag sowohl eine leicht verständliche Zusammenfassung für ein breites Publikum als auch eine detaillierte technische Analyse für Fachleute. So wird komplexes Wissen aus der Forschung für jeden zugänglich.
Im Folgenden finden Sie die aktuellsten Beiträge aus diesem spannenden Bereich der Physik, die Sie direkt zu den neuesten Erkenntnissen führen.
Dieses Papier stellt einen „embed-learn-lift"-Framework vor, der mithilfe von Diffusionskarten und Gauß-Prozess-Regression niedrigdimensionale Surrogatmodelle für die Navier-Stokes-Gleichungen erstellt, um eine effiziente numerische Bifurkations- und Stabilitätsanalyse im latenten Raum durchzuführen und die Ergebnisse präzise in den physikalischen Raum zurückzuführen.
Die Studie zeigt, dass eine schrittweise Rohrverbreiterung im Vergleich zu einer abrupten zu höheren Turbulenzniveaus und einer stärkeren Scherung führt, da die Rückströmung an der geneigten Wand haften bleibt und eine intensivere Wechselwirkung mit der Hauptströmung ermöglicht.
Diese Studie bewertet tabulierte Chemie-Modelle für mager vorgemischte Wasserstoffflammen und stellt neuartige, rechen-effiziente, spannungsabhängige Manifold-Ansätze sowie eine Korrekturmethode vor, um die Erfassung von Diffusions- und Dehnungseffekten in turbulenten Verbrennungssimulationen zu verbessern.
Diese Arbeit stellt ein konsistentes kinetisches Modellierungs- und Diskretisierungskonzept für kompressible Strömungen vor, das mithilfe eines Quasi-Gleichgewichtsansatzes in Doppelverteilungsrahmen eine genaue und stabile Simulation über den gesamten Bereich von Prandtl-Zahlen und spezifischen Wärmekapazitätsverhältnissen hinweg ermöglicht.
Die Arbeit beweist für das zweidimensionale semigeostrophische System auf dem flachen Torus unter der kleinen-Amplituden-Skalierung eine -Stabilität der Geschwindigkeit und der physikalischen Dichten gegenüber der inkompressiblen Euler-Gleichung sowie eine Lebensdauer-Schranke mit logarithmischer Verbesserung gegenüber dem hyperbolischen Maßstab.
Diese Arbeit stellt neuartige, lokal basierte Sensoren für die adaptive Verfeinerung von Gittern und Algorithmen (AMAR) in kinetischen Modellen wie der Gitter-Boltzmann-Methode vor, die Informationen aus der Einteilchen-Verteilungsfunktion nutzen, um komplexe Strömungsphänomene in kompressiblen, turbulenten und Nichtgleichgewichts-Szenarien effizient und skalierbar zu erfassen.
Diese Studie nutzt maschinelles Lernen, um eine hierarchische Vorhersagbarkeit von Extremereignissen in der Turbulenz aufzudecken, die durch die Persistenz kohärenter Strukturen auf großen Skalen bestimmt wird.
Diese Arbeit untersucht, wie die Erhaltung der Sign-indeterminierten Helizität in rotierenden und odd-viskosen Strömungen die schwache Turbulenz durch die Umstrukturierung von Kaskadenrichtungen in resonanten Triaden und die Erzeugung systematischer Rückstreuung beeinflusst, was zu neuen skalierungsinvarianten Lösungen der kinetischen Gleichung führt.
Diese Arbeit stellt einen modifizierten Kernel für die lineare Kelvin-Wellentheorie vor, der durch eine elliptische spanwise-Linienintegration das Problem der unendlichen Wellenenergie im -Grenzwert löst und dabei eine extrem schnelle Auswertung sowie physikalisch konsistente Vorhersagen ermöglicht.
Die Studie stellt ein neuartiges CAE-NODE-Framework vor, das durch die Kombination von Convolutional Autoencodern und neuronalen ODEs eine hochpräzise, reduzierte Modellierung der transienten Dynamik von zweidimensionalen Gegenstromflammen ermöglicht und dabei die räumlichen Korrelationen effizient komprimiert sowie den gesamten Verbrennungsprozess mit Fehlern unter 2 % vorhersagt.